Microsoft Research poinformował o publikacji modelu retrosyntezy RetroChimera w czasopiśmie Nature. RetroChimera to system do przewidywania retrosyntezy oparty na dwóch modelach. Planowanie retrosyntetyczne rozpoczyna się od cząsteczki docelowej i rozważa możliwe prekursory albo rozłączenia, które mogłyby do niej prowadzić. System łączy w tym celu dwa różne podejścia modelowe, a następnie zestawia ich uporządkowane propozycje.

Dwa modele, różne drogi do propozycji

Pierwszym komponentem jest R-SMILES 2, model typu Transformer działający w trybie de novo. Przewiduje cząsteczki prekursorów bezpośrednio na podstawie cząsteczki wejściowej. Jego opisana rola polega na bezpośrednim przewidywaniu możliwych prekursorów; nie wykorzystuje w tym celu procedury wyboru szablonów reakcji opisanej dla drugiego komponentu.

Drugim komponentem jest NeuralLoc, model grafowej sieci neuronowej. Koduje cząsteczki docelowe i szablony reakcji jako grafy, wybiera szablony oraz przewiduje, w którym miejscu je zastosować. W jego podejściu wybór i umiejscowienie szablonu są częścią predykcji. Oba komponenty proponują możliwe wyniki retrosyntetyczne na różne sposoby, a RetroChimera korzysta z uporządkowanych predykcji obu modeli.

Łączenie uporządkowanych predykcji

RetroChimera łączy uporządkowane predykcje swoich dwóch modeli składowych za pomocą wyuczonej strategii zespołowej. Strategia wykorzystuje głosy zależne od pozycji w rankingu, więc miejsce propozycji na liście danego modelu ma znaczenie przy wspólnej ocenie. Jeśli oba modele proponują tę samą reakcję, ich głosy są dodawane. Zgodność komponentów wpływa zatem na wspólny ranking obok pozycji nadanych przez poszczególne modele.

To główna konstrukcja opisana w artykule: jeden komponent przewiduje prekursory bezpośrednio, drugi wybiera szablony reakcji i wskazuje miejsce ich zastosowania, a wyuczona procedura łączy uporządkowane wyniki. Połączenie służy do zestawiania predykcji obu modeli. Z opisu nie wynika, że pozycja w rankingu gwarantuje eksperymentalne przeprowadzenie proponowanej drogi ani że każda propozycja jest wykonalna. Predykcja pozostaje propozycją do rozważenia, a opisana ocena ekspertów dotyczy preferencji wobec propozycji.

Opisana skuteczność i ocena ekspertów

Artykuł podaje, że RetroChimera osiąga dobre wyniki w typowych i rzadkich klasach reakcji, a jej predykcje lepiej odpowiadają osądom chemików. Opisuje także ślepe testy, w których eksperci chemicy preferowali propozycje RetroChimery dotyczące rozłączeń złożonych cząsteczek w porównaniu z propozycjami jej modeli składowych, uznanych podejść i samego zbioru testowego. Jest to relacja o preferencjach ekspertów w tych testach i należy ją interpretować w tym zakresie.

To rozróżnienie pomaga zrozumieć, co pokazuje wynik. System przewiduje propozycje retrosyntetyczne, a opis ślepych testów dotyczy wyboru między takimi propozycjami. Artykuł nie stwierdza, że każde zaproponowane rozłączenie zostało potwierdzone eksperymentalnie. Zgłoszona preferencja sama w sobie nie dowodzi więc, że każdą uporządkowaną propozycję można zrealizować w laboratorium. Microsoft Research informuje o preferowaniu propozycji modelu łączonego w opisanym porównaniu, a także o jego wynikach w typowych i rzadkich klasach reakcji.

Dostępność i kontekst

Microsoft Research poinformował, że udostępnił jako open source implementację RetroChimery i jej wagi. Artykuł podaje, że model jest dostępny w serwisie GitHub na licencji MIT oraz przez Microsoft Foundry. Są to wskazane przez Microsoft Research kanały dostępu; nie stanowią odrębnej oceny skuteczności. Pracę przedstawiono jako badania nad przewidywaniem syntezy małych cząsteczek na dużą skalę, z naciskiem na konstrukcję wykorzystującą dwa modele.

Dla czytelników praktyczne znaczenie ma podział zadań w systemie. R-SMILES 2 bezpośrednio mapuje cząsteczkę wejściową na przewidywane prekursory. NeuralLoc przedstawia cele i szablony jako grafy, wybiera szablony oraz przewiduje miejsca ich zastosowania. Następnie RetroChimera łączy oba uporządkowane wyniki przy użyciu wyuczonych głosów zależnych od rankingu i dodaje głosy, gdy oba modele proponują tę samą reakcję. Opisana preferencja ze ślepych testów stanowi eksperckie porównanie tych propozycji, natomiast informacje o publikacji i dostępności opisują sposób przedstawienia i udostępnienia pracy przez Microsoft Research.

Łącznie te elementy wyjaśniają relację artykułu o RetroChimerze: systemie do przewidywania retrosyntezy, łączącym generowanie bezpośrednie z podejściem opartym na szablonach, wyuczoną strategią rankingową i zgłoszoną preferencją ekspertów wobec rozłączeń złożonych cząsteczek. Przedstawione tu informacje pochodzą z artykułu Microsoft Research, w tym twierdzenia o publikacji, opisywanych wynikach i dostępie do implementacji oraz wag.